تشخیص ارقام دست نویس فارسی با استفاده از شبکه عصبی پرسپترون چندلایه بهینه شده

چکیده مقاله

تشخیص ارقام دست نویس فارسی چالشی مهم در بازشناسی الگو است در حالی که مدل های یادگیری عمیق پیچیده دقت بالایی دارند، اما به دلیل سربار محاسباتی سنگین، برای کاربردهای بلادرنگ و سامانه های با منابع محدود کمتر مناسب هستند این پژوهش یک رویکرد کارآمد و سبک مبتنی بر شبکه عصبی پرسپترون چندلایه بهینه شده را به عنوان جایگزینی سریع و دقیق ارائه می دهد با استفاده از پایگاه داده استاندارد FHM، یک معماری MLP با دو لایه پنهان در محیط متلب پیاده سازی شد پس از مراحل پیش پردازش استاندارد، شبکه با الگوریتم گرادیان مزدوج مقیاس شده آموزش دید ارزیابی نهایی مدل بر روی مجموعه آزمون، عملکردی بسیار موفقیت آمیز را نشان داد و به دقت کلی ۹۸ ۶٪ دست یافت این نتیجه ثابت می کند که یک شبکه MLP با طراحی مناسب، می تواند توازن موثری بین دقت بالا و کارایی محاسباتی برقرار کرده و به عنوان یک راه حل عملی برای سیستم های تشخیص خودکار ارقام فارسی مطرح شود

کلیدواژه‌ها

نویسندگان

مینا غلامرضایی

۱- دانشجوی مقطع دکتری تخصصی دانشگاه آزاد واحد تهران شمال

مینا غلامرضایی

۱ دانشجوی مقطع دکتری تخصصی دانشگاه آزاد واحد تهران شمال

مصطفی شمسایی

۲- دانشجوی مقطع دکتری تخصصی دانشگاه شهید بهشتی

مصطفی شمسایی

۲ دانشجوی مقطع دکتری تخصصی دانشگاه شهید بهشتی

�لامرضایی، مینا و شمسایی، مصطفی،1405،تشخیص ارقام دست نویس فارسی با استفاده از شبکه عصبی پرسپترون چندلایه بهینه شده،سی امین کنفرانس ملی مهندسی برق، کامپیوتر و مکانیک،شیروان

ارائه‌شده در

مجموعه مقالات سی امین کنفرانس ملی مهندسی برق، کامپیوتر و مکانیک30 اردیبهشت 1405 · شیروان